PyTorch01-PyTorch的简介和安装

一、Anaconda的安装与配置

1.1 Anaconda的安装

Ubuntu 20.04.3 LTS下：安装anaconda ；win11下：略。

1.2 Anaconda中常用配置

虚拟python环境与包

1
2
3
4
5
6
7
8
9
10
11
12
13
14
#1. 默认会创建一个base的虚拟python环境不一定符合需要。自定义创建虚拟python环境：conda create -n 环境名称 python==python版本
conda create -n py31213 python==3.12.13
#2. 显示所有通过conda管理的已安装包（每个虚拟python环境都有自己的一套包，默认显示的是base环境中的包）
conda list
#3. 安装包
conda install xxx
#4. 卸载包
conda remove xxx
#5. 删除虚拟python环境
conda remove -n 环境名称 --all 
#6. 激活环境
conda activate 环境名称
#7. 去激活（在处于某已激活的虚拟python环境下执行）
conda deactivate

我创建了一个py31213环境来使用：

1
2
root@controller01:/opt# conda create -n py31213 python==3.12.13
(base) root@controller01:/opt# conda activate py31213

Conda源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 看当前生效的源列表。如果输出多行，按从上到下=优先级从高到低排列
root@controller01:/opt# conda config --show channels
channels:
  - defaults

# 看配置来自哪个文件
root@controller01:/opt# conda config --show-sources
==> /root/.condarc <==
channels:
  - defaults
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
show_channel_urls: True
# 1. channels 块配置了默认搜索频道列表以及它们的优先级顺序（按从上到下=优先级从高到低排列）
#	现在只有一个defaults，它表示官方默认库
# 2. default_channels 块配置了defaults频道具体。default_channels 块里配置的所有镜像地址，完全且仅针对 channels 块中的 - defaults 这个官方默认频道起重定向（映射）作用。当前的配置中， Conda 默认只会从官方默认库里找包，只要找到包，它就会自动映射到 default_channels 中配置的清华源 pkgs/main 等国内网址去下载。
# 3. 想安装 custom_channels 块下某频道中的包，要么将对应的频道名添加到 channels 块中去，要么在使用命令安装某包加上“-c conda-forge”这样的参数。否则 Conda 不会主动去搜索它的（即使已经在 custom_channels 里配置了它）。
1
2
3
4
5
6
# 看环境概况（在输出的 channels 段里也能看到当前源，但信息比 --show channels 杂，适合顺手看 Python 版本、平台、base 环境路径等）
root@controller01:/opt# conda info

# 可以直接编辑对应的.condarc文件来修改Conda源（当然命令也行），修改后应该使用如下命令清除索引缓存，保证用的是修改后频道的索引
root@controller01:/opt# conda clean -i
root@controller01:/opt# conda install pytorch -c 频道名称

以下分别是清华与科大的Conda源（使用时将它们配置在default_channels块下）：

1
2
3
4
5
6
7
8
9
10
11
 # 清华的Conda源
 default_channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

# 科大的Conda源
default_channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

二、PyTorch的安装

我当前使用的环境如下：

  • OS：Ubuntu20.04.3LTS
  • Python环境：Conda创建的 Python 3.12.13
  • GPU：NVIDIA A40 * 1
  • NVIDIA驱动：550.54.15
  • CUDA：12.4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
(py31213) root@controller01:/opt# nvidia-smi 
Thu Jul 23 21:38:48 2026       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.54.15              Driver Version: 550.54.15      CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA A40                     Off |   00000000:41:00.0 Off |                    0 |
|  0%   51C    P0             78W /  300W |       0MiB /  46068MiB |      5%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+

去PyTorch历史发行版本安装 此网页下载符合已安装CUDA的PyTorch版本对应的安装命令，当然对Python版本也有要求，具体PyTorch与Python、CUDA、c++、ROCm之间的兼容性矩阵表如PyTorch兼容性矩阵 ）：

因为我的环境有NVIDIA GPU，我这里安装的是PyTorch2.6.0+cu124。

1
2
# 安装 CUDA 12.4 版本的 PyTorch
(py31213) root@controller01:/opt# pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124

如下是一个requirements.txt文件的内容：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
cffi==2.1.0
cuda-bindings==13.3.1
cuda-pathfinder==1.5.6
cuda-toolkit==13.0.3.0
filelock==3.31.0
fsspec==2026.6.0
Jinja2==3.1.6
joblib==1.5.3
MarkupSafe==3.0.3
mpmath==1.3.0
narwhals==2.24.0
networkx==3.6.1
numpy==2.5.1
nvidia-cublas==13.1.1.3
nvidia-cublas-cu12==12.4.5.8
nvidia-cuda-cupti==13.0.85
nvidia-cuda-cupti-cu12==12.4.127
nvidia-cuda-nvrtc==13.0.88
nvidia-cuda-nvrtc-cu12==12.4.127
nvidia-cuda-runtime==13.0.96
nvidia-cuda-runtime-cu12==12.4.127
nvidia-cudnn-cu12==9.1.0.70
nvidia-cudnn-cu13==9.20.0.48
nvidia-cufft==12.0.0.61
nvidia-cufft-cu12==11.2.1.3
nvidia-cufile==1.15.1.6
nvidia-curand==10.4.0.35
nvidia-curand-cu12==10.3.5.147
nvidia-cusolver==12.0.4.66
nvidia-cusolver-cu12==11.6.1.9
nvidia-cusparse==12.6.3.3
nvidia-cusparse-cu12==12.3.1.170
nvidia-cusparselt-cu12==0.6.2
nvidia-cusparselt-cu13==0.8.1
nvidia-nccl-cu12==2.21.5
nvidia-nccl-cu13==2.29.7
nvidia-nvjitlink==13.3.33
nvidia-nvjitlink-cu12==12.4.127
nvidia-nvshmem-cu13==3.4.5
nvidia-nvtx==13.0.85
nvidia-nvtx-cu12==12.4.127
packaging==26.0
pillow==12.2.0
pycparser==3.0
scikit-learn==1.9.0
scipy==1.18.0
setuptools==83.0.0
soundfile==0.14.0
sympy==1.13.1
threadpoolctl==3.6.0
torch==2.6.0+cu124
torchaudio==2.6.0+cu124
torchvision==0.21.0+cu124
triton==3.2.0
typing_extensions==4.16.0
wheel==0.47.0
1
2
# 在此python环境中安装上述 requirements.txt 文件中指定的python组件
(py31213) root@controller01:/opt# pip install -r requirements.txt
1
2
3
4
5
6
7
8
# 检验是否安装成功
(py31213) root@controller01:/opt# python
# 然后执行如下命令
import torch
print(torch.__version__)      # PyTorch 的版本号。应输出 2.4.0+cu124
print(torch.version.cuda)   # PyTorch 编译时使用的 CUDA 版本（即 PyTorch 期望的 CUDA Runtime 版本）。应输出 12.4
print(torch.cuda.is_available())  # 检查 PyTorch 能否访问到 NVIDIA GPU。应输出 True
print(torch.cuda.get_device_name(0))  # 打印 第 0 号 GPU 的设备名称。应输出 NVIDIA A40

三、PyTorch资源

  1. Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。
  2. PyTorch官方文档：官方发布的文档，十分丰富。
  3. Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。
  4. PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。
  5. PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习
  6. 动手学深度学习：动手学深度学习是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。
  7. Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源
  8. labml.ai Deep Learning Paper Implementations：手把手实现经典网络代码
  9. YSDA course in Natural Language Processing:YSDA course in Natural Language Processing
  10. huggingface:hugging face
  11. ModelScope: 魔搭社区
PyTorch
#PyTorch
PyTorch01-PyTorch的简介和安装
https://jiangsanyin.github.io/2026/07/20/PyTorch01-PyTorch的简介和安装/
作者
sanyinjiang
发布于
2026年7月20日
许可协议